[发明专利]一种轧钢燃耗参数推荐方法、系统、介质及终端

说明书

本发明提供一种轧钢燃耗参数推荐方法、系统、介质及终端，方法包括获取轧钢工序生产线中的轧钢生产数据，建立燃耗工艺数据集；根据所述燃耗工艺数据集建立最优算法模型，并对其进行训练；根据训练后的最优算法模型获取数据重要特征，建立重要特征数据集；对所述重要特征数据集构建特征字段均分数据集，并利用训练后的最优算法模型，获取燃耗值最小的推荐工艺参数；本发明排除了采集数据本身的干扰因素，参数推荐准确度高，并且当设备、环境发生变化时，可以及时调整最低燃耗值和保持工艺参数最优数值，解决了现有技术中存在的加热炉燃耗分析精细度低、实时性差的问题。

技术领域

本发明涉及冶金领域及人工智能领域，尤其涉及一种基于算法预测模型的轧钢燃耗参数推荐方法、系统、介质及终端。

背景技术

在冶金行业中，加热炉燃耗占据轧钢工序能耗的65％～75％，是轧材生产线成本主要成本的来源之一，因此，如何对加热炉燃耗的关联参数的预测和分析，确定准确的燃耗控制参数对优化轧钢生产工艺和降低钢材生产运行成本具有重要意义。目前，钢铁行业对轧材生产线上的燃耗预测，主要依据对加热炉的运行进行阶段性分析，具体为通过采集基本的生产运行数据，分析与燃耗的关联性参数，然后通过经验公式进行燃耗预测和优化工序的时间、温度参数，从而达到降低燃耗的目的。

但是，在复杂的生产过程中，不论是工人直接参与设定，还是通过固有数学模型进行分析都无法排除采集数据本身的干扰因素，会造成燃耗最小取值不准确，产生燃耗浪费，且当设备、环境发生变化时，无法及时调整最低燃耗值和保持工艺参数最优数值。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种轧钢燃耗参数推荐方法、系统、介质及终端，以解决上述技术问题。

本发明提供的轧钢燃耗参数推荐方法，包括：

获取轧钢工序生产线中的轧钢生产数据，建立燃耗工艺数据集；

根据所述燃耗工艺数据集建立最优算法模型，并对其进行训练；

根据训练后的最优算法模型获取数据重要特征，建立重要特征数据集；

对所述重要特征数据集构建特征字段均分数据集，并利用训练后的最优算法模型，获取燃耗值最小的推荐工艺参数。

可选的，定期重新获取燃耗工艺参数数据，对所述最优算法模型进行更新，并根据更新后的模型，重新获取燃耗值最小的推荐工艺参数。

可选的，所述轧钢生产数据包括工艺参数和人员操作参数，通过对所述轧钢生产数据进行预处理，获取所述燃耗工艺数据集，所述预处理包括：

将人员操作参数并入轧钢生产数据，通过数据差值形成新的特征，得到完整轧钢生产数据集；

对所述完整轧钢生产数据集进行缺失值填充；

将完整轧钢生产数据集中的异常数据删除。

可选的，对所述燃耗工艺数据集进行归一化处理；

将处理后的燃耗工艺数据集分别采用不同算法方式获取多个算法模型；

分别获取各算法模型的绝对误差率均值；

通过比较各模型的绝对误差率均值，得到最优算法模型。

可选的，所述不同算法包括线性回归、随机森林、支持向量回归、神经网络、极端梯度提升训练。

可选的，获取各模型中各个特征的重要程度分数；

将各模型的准确度作为权重，对所有特征的加权平均处理；

对加权平均处理后的各个特征的重要程度分数进行排序，并按预设的阈值进行筛选，获取所述重要特征数据集；